Emne

Avanceret udformning af prompts

Ræsonneringsprompts, genbrugelige biblioteker, kontekstdesign og promptlag til produktionsbrug.

13 historier (5 artikler · 8 videoer)

Start her

Et par gode steder at begynde, før du går på opdagelse i hele oversigten.

Flere i dette emne

12 min læsning
Artikel

Vælg mellem prompting, RAG og finjustering (og hvornår de skal kombineres)

Prompting, RAG og finjustering er de tre store greb til at tilpasse LLM'er til dit problem. De passer hver især til nogle problemer og ikke til andre. Her er en ramme for valget, de realistiske omkostninger og de produktionsmønstre, hvor kombinationen virker bedst.

Avanceret
12 min læsning
Artikel

Design af produktionsprompts: system-, udvikler- og brugerlag

Et styringsmønster til at adskille betroede instruktioner, runtime-data og brugerinput og derefter versionere, evaluere, udrulle og observere prompts efter risiko.

Avanceret
7 min læsning
Artikel

Vælg den rette model til opgaven: en beslutningsguide til 2026

Hvilken model du bør vælge til forskellige opgavetyper. GPT, Claude, Gemini, ræsonneringsvarianter og modeller med åbne vægte med beslutningsregler og eksempler fra midten af 2026, ikke en tidløs rangliste.

Begynder
3 minutter
Video

Sådan byggede man OpenAI o1

OpenAI. Denne tre minutter lange førstepartsvideo registrerer, hvordan OpenAI-teamet præsenterede o1 ved lanceringen. Den er nyttig til at forstå kategoriens historie, men fastslår ikke, hvordan aktuelle modeller fungerer internt, eller hvilket promptingmønster der virker bedst hos en anden udbyder eller på en anden opgave.

Let øvet
28 minutter
Video

o1 — hvad foregår der? Hvorfor o1 er et 3. paradigme for modeller + 10 ting, du måske ikke ved

AI Explained. Videoen giver en uafhængig forklaring af den tidlige indramning af o1 og dens betydning for prompting. Den er nyttig historisk kontekst, men påstandene om o1 bør ikke automatisk overføres til senere OpenAI-modeller, R1, Claudes tænketilstande eller andre udbydere.

Let øvet
9 minutter
Video

RAG vs. fine-tuning

IBM Technology. Strammere fokus på de to teknikker, teams oftest forveksler. Går dybere ind i datafreshness, kildeattribution og inference-time-hastighedsargumentet for finjustering. Værd at se, hvis du specifikt forsøger at argumentere imod et unødvendigt fine-tune-projekt.

Avanceret
13 minutter
Video

RAG vs Fine-Tuning vs Prompt Engineering: Optimering af AI-modeller

IBM Technology. En klar whiteboard-gennemgang af alle tre teknikker med deres respektive omkostninger — retrieval-latenstid, træningscompute og catastrophic forgetting, grænserne for prompt-only-løsninger — og de kombinationer, der faktisk giver mening i produktion. Det afsluttende eksempel på et juridisk AI-system, der bruger alle tre, er næsten præcis artiklens "hvornår skal de kombineres"-argument.

Avanceret
77 minutter
Video

AI prompt engineering: En dybdegående gennemgang

Anthropic. Fire Anthropic prompt engineers (research, alignment, applied, developer relations) taler længe om, hvad de faktisk gør til daglig — hvordan de redigerer prompts under pres, hvordan de tænker om "honesty" i instruktioner, hvornår XML-scaffolds hjælper, hvornår de ikke gør. Artiklens lagdelte model mapper rent over på, hvordan de beskriver arbejdet; dette er den bedste måde at høre den mentale model højt.

Avanceret
25 minutter
Video

Prompting 101 | Code med Claude

Anthropic. En live-bygningssession af Anthropics Applied AI-team på en forsikringsclaims-prompt — de starter med en vag instruktion og itererer til noget, en udvikler faktisk ville shippe, og viser den slags revisioner, artiklen beskriver for system- og developer-lagene. Se den, før du genlæser artiklens tjekliste om eksempler, outputstruktur og refusal-håndtering.

Avanceret
10 minutter
Video

Den bedste ChatGPT-prompt, jeg nogensinde har lavet — jeg brugte 2 måneder på at kuratere denne prompt til at skrive prompts

Lawton Learns. Videoen demonstrerer en C.R.A.F.T.-metaprompt (Context, Role, Action, Format, Target audience). Den er en nyttig kandidat til at teste, hvordan en promptgenererende prompt opfører sig, men dens output er ikke garanteret at være konsekvent, korrekt eller egnet til teamets anvendelsesområder.

Let øvet
20 minutter
Video

Googles 9-timers kursus i AI prompt engineering på 20 minutter

Tina Huang. Tina præsenterer en femdelt ramme af opgave, kontekst, referencer, evaluering og iteration samt fire navngivne iterationsgreb. Elementerne kan hjælpe dig med at udarbejde et kandidatskema, men eksemplerne om agenter og chain-of-thought afspejler kursets tid og kontekst. Test ethvert udledt mønster på repræsentative tilfælde, før det føjes til et godkendt bibliotek.

Let øvet